基于NBSR模型的入侵检测技术

发布时间：2023-08-18 18:16

　　为了更好地解决入侵检测技术中误用检测造成未知入侵行为误检率升高的问题,提出了一种基于NBSR模型的入侵检测技术。首先,为了弥补ReliefF特征选择算法对特征之间的相关性分析的不足,引入Pearson相关系数,提出Relieff-P算法。其次,利用Relieff-P算法对UNSW-NB15数据集进行处理,去除无关特征,得到新的特征子集。最后,将朴素贝叶斯分类器和Softmax回归分类器级联构成NBSR分类器,建立了NBSR模型。在UNSW-NB15测试集上的实验结果表明,NBSR模型较其他检测模型有较低的误检率。

【文章页数】：7 页

【文章目录】：
1 引言
2 相关研究
3 基于NBSR模型的入侵检测
    3.1 相关系数改进的Relieff-P特征选择算法
    3.2 NBSR入侵检测模型
        (1)网络入侵数据集预处理。
        (2)最优特征子集。
        (3)第1阶段朴素贝叶斯分类模型。
        (4)第2阶段Softmax回归分类模型。
        (5)NBSR分类器结构。
4 仿真实验与分析
    4.1 UNSW-NB15数据集
    4.2 实验结果与分析
5 结束语



本文编号：3842700